Tencent Hy@TencentHunyuan精选AI 评分7474推荐理由：腾讯混元联合人大开源的 PlanningBench，补上了 LLM 从「会说」到「会做」之间规划能力评估的缺口，做 Agent 的同学可以直接用来评测和训练，开源即用。
#GitHub
- Tencent Hy@TencentHunyuan精选AI 评分7474
公众号：京东JoyAI精选AI 评分7272 京东开源JoyAI-Echo长音视频生成框架
6月3日，京东开源JoyAI-Echo框架，解决长视频生成中角色身份崩坏、音色突变和生成缓慢三大难题。该框架通过跨模态音视频记忆库保持5分钟内角色外观与音色一致，记忆驱动后训练结合DMD技术带来约7.5倍推理加速。新增Director Agent支持自然语言对话式局部修订，无需重跑整条视频。配套轻量化实时超分模块，支持736×1280→1152×1920及1472×2560两档分辨率。评测集显示，语音内容准确率0.8646，用户偏好多项领先。代码与权重已开源至GitHub。
推荐理由：长视频生成一直被角色崩塌和龟速生成卡死，JoyAI-Echo 开源给出了角色一致性方案和 7.5 倍加速，Director Agent 对话式编辑的思路很先进，做 AI 视频的朋友可以直接去 GitHub 开跑。
GitHub BlogAI 评分5353 GitHub Universe 回归：齐聚智能体时代
GitHub Universe 2026 将于 10 月 28–29 日重返旧金山 Fort Mason Center，主题聚焦智能体（agentic）时代。
SenseTime@SenseTime_AI精选AI 评分7373推荐理由：商汤把理解、推理、创作塞进一个模型，而且直接开源，做视觉营销的可以不用再拼凑工具链了。
MarkTechPostAI 评分5757 Nous Research 发布 Hermes Desktop：Hermes Agent v0.15.2 的原生跨平台前端，支持流式工具输出
Hermes Desktop 是一款免终端的图形界面，与 Hermes Agent CLI 共享同一智能体核心、技能和记忆。
Microsoft：Official Blog精选AI 评分6666 微软：企业成功的关键在于围绕AI构建集成智能体平台
微软认为，企业成功的关键在于围绕AI构建一个集成的智能体平台，而非仅拥有强大模型。该平台需遵循三大原则：单一集成系统、安全与治理内建、持续改进。微软正构建一个支持多种模型、以开发者为中心的开放平台，让智能体在软件交付、支持、财务等职能中执行长期工作。
推荐理由：微软把agent平台从散装工具升级成统一系统，这个「企业AI操作系统」的思路让治理和持续进化成为内置能力，而不只是模型和算力。
GitHub Blog精选AI 评分7272 GitHub Copilot应用：智能体原生的桌面体验
在微软 Build 2026 大会上，GitHub 发布了新的工具和更新，并将 Copilot 应用定位为“智能体原生的桌面体验”。其核心目标是让 AI 智能体能够以用户已经习惯的方式进行工作。
推荐理由：GitHub 把 Copilot 从插件变成了独立桌面应用，Agent 不再躲在 IDE 背后，这是 AI 编程从辅助工具走向桌面中枢的标志，开发者现在可以直接在桌面上跟 AI 协作了。
公众号：数字生命卡兹克精选AI 评分7171 基于 Codex 的开源 AI 技能“清理垃圾.skill”：自动扫描电脑生成 HTML 报告，一键清理垃圾
作者基于 Codex 创建并开源了“清理垃圾.skill”，可对 Mac 和 Windows 电脑进行只读扫描，自动生成可交互的 HTML 报告，将文件按优先级分为绿灯（可自动清理）、黄灯（建议手动）、红灯（跳过）。在作者的 MacBook Air 上扫出近 120 GB 垃圾，其中 96.7 GB 为 B 站离线缓存视频，而 CleanMyMac 仅检出 15.8 GB。用户可在网页上逐项或一键清理，全程需二次确认，项目已开源至 GitHub。
推荐理由：卡兹克这个开源skill直接用Agent清理电脑垃圾，比CleanMyMac更透明、可定制，而且马上就能用，是AI冲击工具软件的活案例。
Ars Technica：AIAI 评分6565 GitHub Copilot 用户对全新按量计费系统反应强烈
GitHub Copilot 正从固定订阅制转向基于使用量的计费系统。部分用户反映，其单日用量就消耗掉了整月的“AI credit”配额，引发用户对成本控制的担忧。
- SenseTime@SenseTime_AI精选AI 评分6767
推荐理由：大部分AI生成的图表都有标注错误或比例失调，商汤这个模型专攻信息图准确性，对常做图表的产品人和分析师来说值得一试。
Simon Willison 博客精选AI 评分7373 在浏览器中通过 Pyodide 和 Service Worker 运行 Python ASGI 应用
作者展示了如何在浏览器中通过 Pyodide 和 Service Worker 运行 Python ASGI 应用。此前的 Datasette Lite 使用 Web Workers，但无法执行 `<script>` 标签中的 JavaScript。新方案由 Claude Opus 4.8 协助完成开发，解决了这一问题。作者已展示了基础的 ASGI FastCGI 演示和运行 Datasette 1.0a31 的演示，并计划后续将此方法应用于升级 Datasette Lite。
推荐理由：Simon Willison 用 Service Worker 让 Python ASGI 在浏览器里真正跑了起来，这个技巧补上了 Datasette Lite 长期缺的 JS 执行能力，搞 Pyodide 的值得看看。
Simon Willison 博客精选AI 评分7272 llm-anthropic 0.25.1
llm-anthropic 发布 0.25.1 版本。主要更新包括：新增 Claude Opus 4.8 (`claude-opus-4.8`) 模型；为账户启用了该功能的组织新增了 `-o fast 1` 选项以使用快速模式；调整了各模型的默认 `max_tokens` 值，使其直接使用模型的最大输出长度，而非固定的 8,192。
推荐理由：Simon 的 llm 插件第一时间支持了 Claude Opus 4.8，如果你用他的 CLI 工具切换模型，这次更新能让你马上用到新模型和 fast mode。
Hao AI Lab@haoailab精选AI 评分7070
推荐理由：7秒钟出30秒1080p视频，而且完全开源，视频生成速度被拉到实时边缘，虽然B200不是人人有，但路线值得所有做视频产品的同行研究。
IT之家·人工智能精选AI 评分7777 “龙虾之父”Peter 开源 skill-cleaner，为 AI 智能体技能“做体检”
“龙虾之父”Peter 开源了 skill-cleaner 工具，用于诊断和优化 AI 智能体的技能提示词。该工具包含5项核心功能，包括技能提示词预算审计、重复技能检测、未使用技能筛查、技能根目录审计和描述精简优化。其脚本采用标准 token 预算核算逻辑，旨在帮助减少冗长描述对 token 预算和上下文窗口的占用。已有用户实践显示，将技能描述从90多词精简至40词以内，能提升智能体选择技能的准确率。
推荐理由：Peter 直接开源了一个给 Skill '减肥' 的工具，把描述精简、重复检测、预算审计全自动化了，装完跑一遍就能直观看到哪些 Skill 在烧你的 token。做 Agent 的可以立刻装上试试。
Simon Willison 博客AI 评分5555 datasette-agent 0.1a4 发布
datasette-agent 发布 0.1a4 版本。该版本利用了 Datasette 1.0a30 新增的 `makeJumpSections()` JavaScript 插件钩子，将“开始新的智能体聊天”界面集成到了跳转菜单中。当用户按下 `/` 键时，即可在弹出的菜单里看到此界面。演示显示，输入“count entries”指令可启动一次智能体对话，最终返回了 3300 这个计数结果。用户可以使用 GitHub 账号登录 agent.datasette.io 来体验此功能。
Simon Willison 博客AI 评分5858 引用阿尔明·罗纳彻的话
当前最令人沮丧的问题是，人们提交的 issue 报告并非本人原话，而是经过 AI 重写。这种“AI 垃圾”导致描述混乱，AI 生成的结论往往不准确却充满自信，造成对根本原因的完全猜测、虚假的最小复现步骤、错误的代码类比以及不相关的错误列表。作者因此希望 issue 报告能浓缩为人类实际观察到的四个要素：运行的命令、预期结果、实际结果以及具体的错误或日志。
GitHub Blog精选AI 评分6262 GitHub 连续第三年被 Gartner® 魔力象限™ 评为企业级 AI 编程代理领域的领导者
Gartner 最新发布的魔力象限报告中，GitHub 连续第三年被列为“领导者”象限，该评估专注于企业级 AI 编程代理领域。GitHub 表示，其致力于构建一个开放、安全且由 AI 驱动的平台，以赋能每一位开发者并定义软件开发的未来。此次评选进一步巩固了 GitHub 在 AI 辅助开发工具市场的领先地位。
推荐理由：Gartner 连续三年把 GitHub 放企业 AI 编码代理领导者象限，对选型团队是个硬参考，没有新功能但行业地位再次夯实。
IT之家·人工智能精选AI 评分7474 消息称微软内部示警：GitHub 面临生存级风险，AI 编程工具削弱托管必要性
微软内部发出警告，称其代码托管平台GitHub正面临“生存级风险”。主要原因是Cursor、Claude Code等AI编程助手兴起，改变了开发者工作流，削弱了持续将代码上传至GitHub的必要性。为统一工具链并控制成本，微软已要求部分团队在2026年6月底前停止试用Claude Code，转而使用自有工具GitHub Copilot CLI。同时，OpenAI曾考虑自建替代平台，也加剧了对GitHub地位的潜在威胁。
推荐理由：微软内部把 GitHub 风险定义为“生存级”，这不再是外部竞争猜测，AI 编程工具真的在动摇代码托管的根基。
Simon Willison 博客AI 评分5858 llm-gemini 0.32a0发布
llm-gemini发布了0.32a0版本。此次更新要求llm版本不低于0.32a0的alpha版，其核心变化是新增了流式处理推理token的功能。
GitHub Blog精选AI 评分6969 将你的本地GitHub会话带到任何地方
GitHub为Copilot功能推出了远程控制会话能力，并已全面上线。该功能允许用户在VS Code或命令行中启动Copilot任务后，可随时随地通过github.com网站或GitHub Mobile移动端应用继续操作，实现了开发工作流从桌面端到移动端的无缝衔接。此更新增强了开发者在不同场景下的灵活性和工作效率。
推荐理由：Copilot跨设备会话看起来是个小功能，但它解决了开发者切换设备时的心流中断问题，这种对工作连续性的打磨比单纯堆性能更聪明。
Greg Brockman@gdbAI 评分4545引用Kappaemme@Kappaemme1926CODEX SKILL THAT FINDS COMPLEXITY HOTSPOTS IN YOUR CODEBASE! I made a Codex skill that analyzes your codebase and reports where performance can be improved safely. Scan your project while Codex checks loops, repeated lookups, render-heavy code, N+1 patterns, and places where complexity can potentially be reduced without breaking behavior. -> codebase complexity analysis -> O(n²), O(n*m), repeated scan detection -> before/after complexity estimates -> safe optimization suggestions -> risk level + tests needed -> report-only mode by default -> one-command install Install: npx --yes codex-complexity-optimizer 100% open source. Repo in Bio.
Rohan Paul@rohanpaul_aiAI 评分7070引用Elon Musk@elonmuskThe latest 𝕏 algorithm has been published to GitHub https://github.com/xai-org/x-algorithm
GitHub BlogAI 评分4848 构建通用无障碍智能体——以及我们在此过程中的收获
GitHub正在试点一项实验性的通用无障碍智能体。该项目旨在探索如何利用AI技术提升软件的可访问性，通过智能体自动识别并修复代码中的无障碍问题。试点过程中，团队总结了关键经验，包括需要平衡自动化建议与开发者控制权，以及如何有效处理不同编程语境下的多样化无障碍需求。这项实验是GitHub Copilot在AI辅助编程领域的进一步探索，致力于让开发工具更具包容性。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分5757 ARGenSeg：基于自回归图像生成模型的全新图像分割方法
研究团队在NeurIPS 2025上提出ARGenSeg，将图像分割转化为自回归生成过程，逐像素预测分割掩码。该方法利用大规模预训练自回归图像生成模型（如GPT风格视觉模型）的表征与序列建模能力，无需专门架构设计或大量标注数据。实验证明，其在多个标准数据集上性能具有竞争力，展现了生成式基础模型处理判别式视觉任务的潜力。
- Rohan Paul@rohanpaul_aiAI 评分7777
引用atomic.chat@atomic_chat_hqMulti-Token Prediction (MTP) for Qwen on LLaMA.cpp! +40% performance! 90% acceptance rate. Running locally on a MacBook Pro M5 Max 64GB We patched LLaMA.cpp, quantized Qwen 3.6 27B into GGUF format with TurboQuant and shipped MTP drafts on top. Benchmark, Source code & models👇
Claude Code：GitHub Releases精选AI 评分7070 v2.1.140 版本更新
本次更新包含多项错误修复与体验优化。核心改进包括：增强了Agent工具的`subagent_type`匹配逻辑，现对大小写和分隔符不敏感；修复了`/goal`命令在特定钩子设置下无响应的问题，现会显示明确提示；解决了Windows系统上因缺失可执行文件导致的周期性事件循环停滞。此外，还修正了后台服务启动、远程设置认证重试、托管市场更新策略持久化、`/loop`命令调度冗余以及`Read`工具参数验证等多个问题。插件系统现会对因配置冲突而被静默忽略的默认组件文件夹发出警告。
推荐理由：Claude Code 这次修了一批烦人小 bug，尤其是 /goal 不再装死、/loop 不再空转，用着难受的开发者可以立刻更新试试。
GitHub Blog精选AI 评分6161 GitHub Copilot 个人计划：在 Pro 和 Pro+ 中引入弹性配额，以及新的 Max 计划
GitHub 宣布从6月1日起更新 Copilot 个人计划阵容，基于用户反馈进行调整。主要变化包括在现有 Pro 和 Pro+ 计划中引入弹性配额机制，允许用户更灵活地分配使用量；同时新增 Max 计划，扩展高级选项。此次更新旨在提升计划的可定制性，为开发者提供更个性化的编程辅助服务，优化整体使用体验。
推荐理由：GitHub Copilot 个人版引入弹性配额和更贵的 Max 计划，对你这样每天靠它写代码的人，要么多花钱要么被限流，算清楚自己的用量比看功能列表更重要。
GitHub Blog精选AI 评分5858 Dungeons & Desktops: 使用 GitHub Copilot CLI 构建一款程序化生成的 Roguelike 游戏
一位 GitHub 员工利用 GitHub Copilot CLI 开发了一款扩展程序，能够将任何代码库转换成一个独特的 Roguelike 风格地下城。该工具通过 AI 辅助的代码生成，实现了程序化关卡创建，展示了 Copilot CLI 在创意编码和游戏原型开发中的实际应用潜力。项目核心是自动解析代码结构并生成对应的可探索地下城布局。
推荐理由：用 GitHub Copilot CLI 把代码库变成 roguelike 地牢，玩法挺有脑洞，做 Copilot 扩展的开发者可以看一眼思路。
- SenseTime@SenseTime_AI精选AI 评分7272
推荐理由：商汤把新模型U1的ComfyUI部署流程完整放出，还有实测视频，想在自己机器上跑国产图像模型的开发者可以直接抄作业了。
Sam Altman@sama精选AI 评分7777引用Chris@chatgpt21Codex 在我什么都没做的情况下帮我赚到了钱.. 今天对我来说是个巨大的转折点，我让 Codex 去帮我赚 5 美元。它出去找了一条小型开源安全/审计赏金路径，提交了一个合法的 PR，跟进维护者，保护了我的付款信息隐私——（在我没要求的情况下），处理了 GitHub 证明/验证循环，并让工作被合并了。 它花了大约 22 小时进行多项安全审计。 今天我收到了那个实验的第一笔付款：16.88 美元。 如果每天重复，那就是每月 506.40 美元的运行率。 这还不是能改变生活的钱，但能亲身体验 Sam Altman 对 AI 的愿景——它会自己出去为你赚钱——这让人非常兴奋。开始看到这一点的开端真是太棒了。
推荐理由：一个普通用户让 Codex 独立完成安全审计并赚到真金白银，是 agent 走向「替你赚钱」的第一个可信证据，Sam 只回了 interesting，比十万字 PR 都重。
GitHub Blog精选AI 评分7272 提升 GitHub Agentic Workflows 的 Token 使用效率
GitHub 发现运行于每个拉取请求的智能体工作流会累积高昂的 API 成本。团队通过监测自身生产工作流，定位了效率低下的环节，并构建了专门的智能体进行优化。这一举措旨在显著降低由大语言模型调用产生的 Token 消耗与相关费用，直接提升了工作流的经济性与运行效率。
推荐理由：GitHub 把自己生产环境的 agentic workflow 扒了一遍，从 token 消耗里找浪费，再让 agent 自动修。不是 paper，是真踩过的坑，做 Copilot 集成的团队可以抄作业。
Simon Willison 博客精选AI 评分7878 GitHub Repo Stats
作者开发了一个名为“GitHub Repo Stats”的在线工具，用于解决GitHub移动端网站不显示仓库提交次数的问题。用户只需输入GitHub仓库的URL或“foo/bar”格式的仓库ID，该工具便会通过REST或GraphQL API获取并展示仓库的关键统计数据，其中首要指标就是提交总数。工具已提供实际示例，如查看simonw/datasette和simonw/llm这两个仓库的详细数据。
推荐理由：Simon 这个 GitHub Repo Stats 工具虽小，但直接解决了移动端看不了 commit 数这个真实痛点，做开源评估的开发者可以立刻用起来。
GitHub Blog精选AI 评分7979 Agent pull requests 无处不在：如何审查它们
这份指南提供了审查由AI代理生成的pull requests的实用方法，重点包括审查时应关注的代码变更点、问题常见隐藏位置（如逻辑错误或安全漏洞），以及如何在代码合并前捕捉技术债务。它通过具体步骤帮助开发者系统评估自动化提交，确保代码质量，避免缺陷流入生产环境。指南强调主动审查策略，以应对AI代理在软件开发中日益普及的趋势。
推荐理由：AI代理生成的PR越来越多，审查它们不再是可选项。这篇官方指南从发现隐患到控制技术债务，给出了马上能用的检查清单，每个用Copilot的开发者都该看。
IT之家·人工智能AI 评分6969 小米开源 OmniVoice 多语言语音克隆 TTS，号称一个模型搞定 600 余种语言
小米AI实验室开源多语言语音克隆TTS模型OmniVoice，覆盖600余种语言。该模型采用极简双向Transformer架构，无需复杂结构即可实现文本到语音的直接转换。其语音合成质量超越同类主流模型，训练速度可达一天10万小时。关键设计包括全码本随机掩蔽策略和引入大语言模型预训练参数，显著提升训练效率与语音可懂度。测试显示，在多种语言中其相似度与可懂度超越多款商用系统，并对低资源小语种也能实现高质量合成。模型还支持自定义音色、带噪音频适配等实用功能。
GitHub Blog精选AI 评分5656 Validating agentic behavior when “correct” isn’t deterministic
GitHub 探讨如何为 Copilot 编码智能体构建“信任层”。文章提出，在“正确”答案非确定性的场景下，可通过领域分析来验证智能体的自主行为，避免使用脆弱的脚本或黑盒判断。该方法旨在提升 AI 编码助手的可靠性与透明度，确保其行为符合预期标准。
推荐理由：做coding agent最头疼的就是如何验证产出质量，GitHub这篇把他们的内部方法论开源了，用dominance分析替代脆弱的脚本，对正在折腾AI编程工具的团队是实打实的参考，值得逐帧学习。
OpenClaw🦞@openclaw精选AI 评分7272推荐理由：OpenClaw 这个版本把 agent 协同和实时控制做得更顺手了，如果你在用多节点 agent，这个升级能省不少调试功夫。